引言

我们经常会用到图像与行为学指标的相关性分析，趁着最近刚好在做这个工作，就把具体的流程记下来，以便后续查阅。

一、数据准备

图像数据：采用的是之前任务态分析后的结果：37名被试的con.nii文件。这里是经过头动与行为学数据排除的剩余28名被试的文件。

1

行为学数据：每个被试的三个行为学指标。

2

二、做差（SD-RW）
由于我们的实验设计为前后两次测量，所以也是进行差值的相关性分析。
（1）图像做差可以用spm或者DPABI进行，这里演示DPABI的操作

3图像做差.jpg

4做差文件

5表达式help

（2）文件夹进行整理。
图像文件

6
行为学文件

7

8

二、DPABI相关性分析

分别选择要分析的图像文件夹与行为学.txt文件。

8相关性分析

三、提取相关性显著的cluster

由于以上相关性是进行的行为学数据与全脑图像的相关，在此之后需要对显著的cluster进行提取，然后绘制出相关性线图或散点图。
（1）提取显著的cluster，这里演示我的其中一个cluster

9确定cluster

10保存cluster

11结果

（2）然后提取所有被试此cluster的信号值
这里需要用到Utilities中的ROI Signal Extractor

12

13选择文件
将ROI定义为刚刚保存的cluster的mask.nii文件

14定义ROI

15结果文件

16信号值文件

四、绘制散点图

（1）整理结果。

17

（2）R语言绘制散点图

setwd("D:/desk/speed/data_1/behavior/R")
library(xlsx)
workbook="D:/desk/speed/data_1/behavior/28lapse_tha.xlsx"
data0=read.xlsx(workbook,1)
print(data0)
#散点图
library(ggplot2)
library(ggpubr)
# Add regression line and confidence interval
# Add correlation coefficient: stat_cor()
p=ggscatter(data0, x = "lapseu", y = "thau",size = 1,
            xlab = "Altered lapse(SD-RW)",
            ylab = "Altered Tha_R signals(SD-RW)",
          add = "reg.line")+
  stat_cor(method = "pearson", 
           label.x = 0, label.y = 2)
p
ggsave("lapse_tha.png",p,path="D:/desk/speed/data_1/behavior/R/picture",
       width=1200,height=1000,dpi=300,units="px",limitsize = F)

（3）结果

18结果